共计 19192 个字符，预计需要花费 48 分钟才能阅读完成。
注意
- 请贡献者查看参与方式，然后直接在 ISSUE 中认领。
- 翻译 / 校对三个文档就可以申请当负责人，我们会把你拉进合伙人群。翻译 / 校对五个文档的贡献者，可以申请实习证明。
- 请私聊片刻（529815144）、咸鱼（1034616238）、或飞龙（562826179）来领取以上奖励。
翻译校对活动
百页机器学习小书【翻译】
参与方式：https://github.com/apachecn/m…
整体进度：https://github.com/apachecn/m…
项目仓库：https://github.com/apachecn/m…
认领：11/12，翻译：8/12
| 章节 | 贡献者 | 进度 |
|---|---|---|
| 零、前言 | @PEGASUS1993 | 100% |
| 一、介绍 | @PEGASUS1993 | |
| 二、符号和定义 | @PEGASUS1993 | |
| 三、基本算法 | ||
| 四、线性算法剖析 | @P3n9W31 | 100% |
| 五、基本实践 | @chengchengbai | |
| 六、神经网络和深度学习 | @xiemaycherry | 100% |
| 七、问题和答案 | @LaicZhang | 100% |
| 八、高级实践 | @LaicZhang | 100% |
| 九、无监督学习 | @onlyonewater | 100% |
| 十、其它学习形式 | @kjlintong | 100% |
| 十一、总结 | @kjlintong | 100% |
CS234 强化学习讲义【翻译】
参与方式：https://github.com/apachecn/u…
整体进度：https://github.com/apachecn/s…
项目仓库：https://github.com/apachecn/u…
认领：9/15，翻译：8/15
| 章节 | 贡献者 | 进度 |
|---|---|---|
| Lecture 1 | @Everglow0214 | 100% |
| Lecture 2 | ||
| Lecture 3 | @Everglow0214 | 100% |
| Lecture 4 | @Everglow0214 | 100% |
| Lecture 5 | @Everglow0214 | 100% |
| Lecture 6 | @Everglow0214 | 100% |
| Lecture 7 | @Everglow0214 | 100% |
| Lecture 8 | @Everglow0214 | 100% |
| Lecture 9 | @Everglow0214 | 100% |
| Lecture 10 | @Everglow0214 | |
| Lecture 11 | ||
| Lecture 12 | ||
| Lecture 13 | ||
| Lecture 14 | ||
| Lecture 15 |
MIT 18.03 写给初学者的微积分【校对】
参与方式：https://github.com/apachecn/c…
整体进度：https://github.com/apachecn/c…
项目仓库：https://github.com/apachecn/c…
认领：9/73，校对：0/73
| 章节 | 贡献者 | 进度 |
|---|---|---|
| 第 0 章：为何学习微积分？ | @PEGASUS1993 | |
| 0.1 你应该知道什么 | @PEGASUS1993 | |
| 0.2 什么是微积分？我们为什么要研究它？ | @PEGASUS1993 | |
| 第 1 章：数字 | @PEGASUS1993 | |
| 1.1 什么是数字？有理数 | @PEGASUS1993 | |
| 1.2 小数和实数 | @PEGASUS1993 | |
| 1.3 复数 | @PEGASUS1993 | |
| 复数运算 | @PEGASUS1993 | |
| 1.4 可数集（消遣） | @PEGASUS1993 | |
| 第 2 章：使用电子表格 | ||
| 2.1 什么是电子表格？ | ||
| 2.2 斐波纳契数 | ||
| 2.3 帕斯卡的三角形 | ||
| 2.4 与电子表格集成 | ||
| 第 3 章：线性函数 | ||
| 3.1 什么是函数？ | ||
| 3.2 线性函数 | ||
| 3.3 线性 | ||
| 第四章：函数的二次型和导数 | ||
| 4.1 更复杂的函数 | ||
| 4.2 二次函数的斜率 | ||
| 第 5 章：有理函数和导数的计算 | ||
| 5.1 有理函数的导数 | ||
| 第 6 章：指数函数，替换和链规则 | ||
| 6.1 最有用函数的导数 | ||
| 第 7 章：三角函数及其导数 | ||
| 7.1 二维数学 | ||
| 7.2 三角学和导数以及加法定理 | ||
| 第 8 章：反函数及其导函数 | ||
| 8.1 反函数 | ||
| 8.2 微分反函数 | ||
| 8.3 更多规则 | ||
| 第 9 章：数值微分和不可微函数 | ||
| 9.1 数值微分 | ||
| 9.2 绘制导数图 | ||
| 9.3 不可微函数 | ||
| 第 10 章：微分的回顾 | ||
| 10.1 复习 | ||
| 第 11 章：微分在求解方程中的应用 | ||
| 11.1 求解方程 | ||
| 第 12 章：反导数 | ||
| 12.1 反导数 | ||
| 第 13 章：曲线下面积; 定积分 | ||
| 13.1 区域：定义，名称和符号 | ||
| 13.2 微积分和确定区域的基本定理 | ||
| 13.3 积分的诀窍 | ||
| 第 14 章：数值积分 | ||
| 14.1 数值积分计划 | ||
| 14.2 积分的“规则” | ||
| 14.3 为什么这些规则有效？ | ||
| 第 15 章：平行数字的面积和体积; 行列式 | ||
| 15.1 有符号面积和体积 | ||
| 15.2 表示平行边的图形 | ||
| 15.3 行列式的属性 | ||
| 15.4 求解行列式 | ||
| 15.5 用于求解电子表格中的行列式的爱丽丝梦游仙境方法 | ||
| 第 16 章一些纯数学 | ||
| 16.1 极限和点集拓扑简介 | ||
| 16.2 紧集 | ||
| 16.3 杂注 | ||
| 16.4 Lebesgue 积分 | ||
| 第 17 章：物理的建模应用 | ||
| 17.1 垂直运动建模 | ||
| 17.2 弹簧建模（谐波振荡器） | ||
| 17.3 受迫振荡 | ||
| 17.4 简单电路 | ||
| 第 18 章捕食者猎物模型 | ||
| 18.1 捕食者猎物模型 | ||
| 第 19 章：求解微分方程 | ||
| 19.1 计划 | ||
| 19.2 一阶微分方程 | ||
| 19.3 二阶微分方程 | ||
| 19.4 行星运动 |
UIUC CS241 系统编程中文讲义【校对】
参与方式：https://github.com/apachecn/u…
整体进度：https://github.com/apachecn/u…
项目仓库：https://github.com/apachecn/u…
认领：6/78，校对：6/78
| 章节 | 贡献者 | 进度 |
|---|---|---|
| #Informal 词汇表 | ||
| #Piazza：何时以及如何寻求帮助 | ||
| 编程技巧，第 1 部分 | ||
| 系统编程短篇小说和歌曲 | ||
| C 编程，第 1 部分：简介 | @blue-bird1 | 100% |
| C 编程，第 2 部分：文本输入和输出 | @hqiwen | 100% |
| C 编程，第 3 部分：常见问题 | @hqiwen | 100% |
| C 编程，第 4 部分：字符串和结构 | @hqiwen | 100% |
| C 编程，第 5 部分：调试 | @hqiwen | 100% |
| C 编程，复习题 | @hqiwen | 100% |
| 进程，第 1 部分：简介 | ||
| 分叉，第 1 部分：简介 | ||
| 分叉，第 2 部分：Fork，Exec，等等 | ||
| 进程控制，第 1 部分：使用信号等待宏 | ||
| 进程复习题 | ||
| 内存，第 1 部分：堆内存简介 | ||
| 内存，第 2 部分：实现内存分配器 | ||
| 内存，第 3 部分：粉碎堆栈示例 | ||
| 内存复习题 | ||
| Pthreads，第 1 部分：简介 | ||
| Pthreads，第 2 部分：实践中的用法 | ||
| Pthreads，第 3 部分：并行问题（奖金） | ||
| Pthread 复习题 | ||
| 同步，第 1 部分：互斥锁 | ||
| 同步，第 2 部分：计算信号量 | ||
| 同步，第 3 部分：使用互斥锁和信号量 | ||
| 同步，第 4 部分：临界区问题 | ||
| 同步，第 5 部分：条件变量 | ||
| 同步，第 6 部分：实现障碍 | ||
| 同步，第 7 部分：读者编写器问题 | ||
| 同步，第 8 部分：环形缓冲区示例 | ||
| 同步复习题 | ||
| 死锁，第 1 部分：资源分配图 | ||
| 死锁，第 2 部分：死锁条件 | ||
| 死锁，第 3 部分：餐饮哲学家 | ||
| 死锁复习题 | ||
| 虚拟内存，第 1 部分：虚拟内存简介 | ||
| 管道，第 1 部分：管道介绍 | ||
| 管道，第 2 部分：管道编程秘密 | ||
| 文件，第 1 部分：使用文件 | ||
| 调度，第 1 部分：调度过程 | ||
| 调度，第 2 部分：调度过程：算法 | ||
| IPC 复习题 | ||
| POSIX，第 1 部分：错误处理 | ||
| 网络，第 1 部分：简介 | ||
| 网络，第 2 部分：使用 getaddrinfo | ||
| 网络，第 3 部分：构建一个简单的 TCP 客户端 | ||
| 网络，第 4 部分：构建一个简单的 TCP 服务器 | ||
| 网络，第 5 部分：关闭端口，重用端口和其他技巧 | ||
| 网络，第 6 部分：创建 UDP 服务器 | ||
| 网络，第 7 部分：非阻塞 I O，select（）和 epoll | ||
| RPC，第 1 部分：远程过程调用简介 | ||
| 网络复习题 | ||
| 文件系统，第 1 部分：简介 | ||
| 文件系统，第 2 部分：文件是 inode（其他一切只是数据 …） | ||
| 文件系统，第 3 部分：权限 | ||
| 文件系统，第 4 部分：使用目录 | ||
| 文件系统，第 5 部分：虚拟文件系统 | ||
| 文件系统，第 6 部分：内存映射文件和共享内存 | ||
| 文件系统，第 7 部分：可扩展且可靠的文件系统 | ||
| 文件系统，第 8 部分：从 Android 设备中删除预装的恶意软件 | ||
| 文件系统，第 9 部分：磁盘块示例 | ||
| 文件系统复习题 | ||
| 过程控制，第 1 部分：使用信号等待宏 | ||
| 信号，第 2 部分：待处理的信号和信号掩码 | ||
| 信号，第 3 部分：提高信号 | ||
| 信号，第 4 部分：信号 | ||
| 信号复习题 | ||
| 考试主题 | ||
| C 编程：复习题 | ||
| 多线程编程：复习题 | ||
| 同步概念：复习题 | ||
| 内存：复习题 | ||
| 管道：复习题 | ||
| 文件系统：复习题 | ||
| 网络：复习题 | ||
| 信号：复习题 | ||
| 系统编程笑话 |
Cython 3.0 中文文档【校对】
参与方式：https://github.com/apachecn/c…
整体进度：https://github.com/apachecn/c…
项目仓库：https://github.com/apachecn/c…
认领：7/37，校对：7/37
| 章节 | 贡献者 | 进度 |
|---|---|---|
| Cython – 概述 | @varyshare | 100% |
| 安装 Cython | @varyshare | 100% |
| 构建 Cython 代码 | @varyshare | 100% |
| 通过静态类型更快的代码 | @varyshare | 100% |
| 基础教程 | @varyshare | 100% |
| 调用 C 函数 | @varyshare | 100% |
| 使用 C 库 | @varyshare | 100% |
| 扩展类型（又名.cdef 类） | ||
| pxd 文件 | ||
| Caveats | ||
| Profiling | ||
| Unicode 和传递字符串 | ||
| 内存分配 | ||
| 纯 Python 模式 | ||
| 使用 NumPy | ||
| 使用 Python 数组 | ||
| 进一步阅读 | ||
| 相关工作 | ||
| 附录：在 Windows 上安装 MinGW | ||
| 语言基础 | ||
| 扩展类型 | ||
| 扩展类型的特殊方法 | ||
| 在 Cython 模块之间共享声明 | ||
| 与外部 C 代码连接 | ||
| 源文件和编译 | ||
| 早期绑定速度 | ||
| 在 Cython 中使用 C ++ | ||
| 融合类型（模板） | ||
| 将 Cython 代码移植到 PyPy | ||
| Limitations | ||
| Cython 和 Pyrex 之间的区别 | ||
| 键入的内存视图 | ||
| 实现缓冲协议 | ||
| 使用并行性 | ||
| 调试你的 Cython 程序 | ||
| 用于 NumPy 用户的 Cython | ||
| Pythran 作为 Numpy 后端 |
Numba 0.44 中文文档【校对】
参与方式：https://github.com/apachecn/n…
整体进度：https://github.com/apachecn/n…
项目仓库：https://github.com/apachecn/n…
认领：1/73，校对：1/73
| 章节 | 贡献者 | 进度 |
|---|---|---|
| 1. 用户手册 | – | – |
| 1.1。Numba 的约 5 分钟指南 | @saltball | 100% |
| 1.2。概述 | ||
| 1.3。安装 | ||
1.4。使用@jit 编译 Python 代码 | ||
1.5。使用@generated_jit 进行灵活的专业化 | ||
| 1.6。创建 Numpy 通用函数 | ||
| 1.7。用 @jitclass 编译 python 类 | ||
1.8。使用@cfunc 创建 C 回调 | ||
| 1.9。提前编译代码 | ||
1.10。使用@jit 自动并行化 | ||
1.11。使用 @stencil 装饰器 | ||
| 1.12。从 JIT 代码 中回调到 Python 解释器 | ||
| 1.13。性能提示 | ||
| 1.14。线程层 | ||
| 1.15。故障排除和提示 | ||
| 1.16。常见问题 | ||
| 1.17。示例 | ||
| 1.18。会谈和教程 | ||
| 2. 参考手册 | – | – |
| 2.1。类型和签名 | ||
| 2.2。即时编译 | ||
| 2.3。提前编译 | ||
| 2.4。公用事业 | ||
| 2.5。环境变量 | ||
| 2.6。支持的 Python 功能 | ||
| 2.7。支持的 NumPy 功能 | ||
| 2.8。与 Python 语义的偏差 | ||
| 2.9。浮点陷阱 | ||
| 2.10。Python 2.7 寿命终止计划 | ||
| 3. 用于 CUDA GPU 的 Numba | – | – |
| 3.1。概述 | ||
| 3.2。编写 CUDA 内核 | ||
| 3.3。内存管理 | ||
| 3.4。编写设备功能 | ||
| 3.5。CUDA Python 中支持的 Python 功能 | ||
| 3.6。支持的原子操作 | ||
| 3.7。随机数生成 | ||
| 3.8。设备管理 | ||
| 3.10。示例 | ||
| 3.11。使用 CUDA 模拟器 调试 CUDA Python | ||
| 3.12。GPU 减少 | ||
| 3.13。CUDA Ufuncs 和广义 Ufuncs | ||
| 3.14。共享 CUDA 内存 | ||
| 3.15。CUDA 阵列接口 | ||
| 3.16。CUDA 常见问题 | ||
| 4. CUDA Python 参考 | – | – |
| 4.1。CUDA 主机 API | ||
| 4.2。CUDA 内核 API | ||
| 4.3。内存管理 | ||
| 5. 用于 AMD ROC GPU 的 Numba | – | – |
| 5.1。概述 | ||
| 5.2。编写 HSA 内核 | ||
| 5.3。内存管理 | ||
| 5.4。编写设备功能 | ||
| 5.5。支持的原子操作 | ||
| 5.6。代理商 | ||
| 5.7。ROC Ufuncs 和广义 Ufuncs | ||
| 5.8。示例 | ||
| 6. 扩展 Numba | ||
| 6.1。高级扩展 API | ||
| 6.2。低级扩展 API | ||
| 6.3。示例：间隔类型 | ||
| 7. 开发者手册 | – | – |
| 7.1。贡献给 Numba | ||
| 7.2。Numba 建筑 | ||
| 7.3。多态调度 | ||
| 7.4。关于发电机的注意事项 | ||
| 7.5。关于 Numba Runtime 的注意事项 | ||
| 7.6。使用 Numba Rewrite Pass 获得乐趣和优化 | ||
| 7.7。实时变量分析 | ||
| 7.8。上市 | ||
| 7.9。模板注释 | ||
| 7.10。关于自定义管道的注意事项 | ||
| 7.11。环境对象 | ||
| 7.12。哈希 的注意事项 | ||
| 7.13。Numba 项目路线图 | ||
| 8. Numba 增强建议 | ||
| 9. 术语表 |
Scrapy 1.6 中文文档【校对】
参与方式：https://github.com/apachecn/s…
整体进度：https://github.com/apachecn/s…
项目仓库：https://github.com/apachecn/s…
认领：1/44，翻译：1/44
| 章节 | 校对者 | 进度 |
|---|---|---|
| 简介 | ||
| Scrapy at a glance | ||
| 安装指南 | ||
| Scrapy 教程 | @jiez1812 | 100% |
| 实例 | ||
| 命令行工具 | ||
| Spider | ||
| 选择器 | ||
| 项目 | ||
| 项目加载器 | ||
| Scrapy shell | ||
| 项目管道 | ||
| Feed 导出 | ||
| 请求和响应 | ||
| 链接提取器 | ||
| 设置 | ||
| 例外情况 | ||
| Logging | ||
| 统计数据集合 | ||
| 发送电子邮件 | ||
| 远程登录控制台 | ||
| Web 服务 | ||
| 常见问题 | ||
| 调试 spiders | ||
| Spider 合约 | ||
| 常用做法 | ||
| 通用爬虫 | ||
| 使用浏览器的开发人员工具进行抓取 | ||
| 调试内存泄漏 | ||
| 下载和处理文件和图像 | ||
| 部署 Spider | ||
| AutoThrottle 扩展 | ||
| Benchmarking | ||
| 作业：暂停和恢复爬行 | ||
| 体系结构概述 | ||
| 下载器中间件 | ||
| Spider 中间件 | ||
| 扩展 | ||
| 核心 API | ||
| 信号 | ||
| 条目导出器 | ||
| 发行说明 | ||
| 为 Scrapy 贡献 | ||
| 版本控制和 API 稳定性 |
短篇集【校对】
参与方式：https://github.com/apachecn/m…
整体进度：https://github.com/apachecn/m…
项目仓库：https://github.com/apachecn/m…
关于卷积神经网络：认领：2/12，校对：2/12
| 章节 | 贡献者 | 进度 |
|---|---|---|
| 关于卷积神经网络 | – | – |
| 1 | @daewis | 100% |
| 2.1.1-2.1.3 | @daewis | 100% |
| 2.1.4-2.1.6 | ||
| 2.2.1 | ||
| 2.2.2-2.2.3 | ||
| 2.3-2.4 | ||
| 3.1 | ||
| 3.2 | ||
| 3.3 | ||
| 3.4-3.5 | ||
| 4.1 | ||
| 4.2 |
写给不耐烦程序员的 JavaScript【校对】
参与方式：https://github.com/apachecn/i…
整体进度：https://github.com/apachecn/i…
项目仓库：https://github.com/apachecn/i…
认领：33/42，校对：33/42
| 章节 | 贡献者 | 进度 |
|---|---|---|
| 1. 关于本书（ES2019 版） | @YouWillBe | 100% |
| 2. 常见问题：本书 | @huangzijian888 | 100% |
| 3. JavaScript 的历史和演变 | @t532 | 100% |
| 4. 常见问题：JavaScript | @t532 | 100% |
| 5. 概览 | @kj415j45 | 100% |
| 6. 语法 | @lq920320 | 100% |
7. 在控制台上打印信息（console.*） | @lq920320 | 100% |
| 8. 断言 API | @lq920320 | 100% |
| 9. 测验和练习入门 | @so-hard | 100% |
| 10. 变量和赋值 | @so-hard | 100% |
| 11. 值 | @lq920320 | 100% |
| 12. 运算符 | @wizardforcel | 100% |
13. 非值 undefined 和null | @wizardforcel | 100% |
| 14. 布尔值 | @wizardforcel | 100% |
| 15. 数字 | @wizardforcel | 100% |
16. Math | @wizardforcel | 100% |
| 17. Unicode – 简要介绍（高级） | @wizardforcel | 100% |
| 18. 字符串 | @wizardforcel | 100% |
| 19. 使用模板字面值和标记模板 | @wizardforcel | 100% |
| 20. 符号 | @wizardforcel | 100% |
| 21. 控制流语句 | @wizardforcel | 100% |
| 22. 异常处理 | ||
| 23. 可调用值 | ||
| 24. 模块 | ||
| 25. 单个对象 | ||
| 26. 原型链和类 | @lq920320 | 100% |
| 27. 同步迭代 | @lq920320 | 100% |
28. 数组（Array） | @52admln | 100% |
| 29. 类型化数组：处理二进制数据（高级） | ||
30. 映射（Map） | @so-hard | 100% |
31. WeakMaps（WeakMap） | ||
32. 集（Set） | @liuyepiaoxiang | 100% |
33. WeakSets（WeakSet） | ||
| 34. 解构 | @Kavelaa | 100% |
| 35. 同步生成器（高级） | ||
| 36. JavaScript 中的异步编程 | @Kavelaa | 100% |
| 37. 异步编程的 Promise | @iChrisJ | 100% |
| 38. 异步函数 | @iChrisJ | 100% |
39. 正则表达式（RegExp） | @iChrisJ | 100% |
40. 日期（Date） | @facebesidewyj | 100% |
41. 创建和解析 JSON（JSON） | ||
| 42. 其余章节在哪里？ | @wizardforcel | 100% |
Git 中文参考【校对】
参与方式：https://github.com/apachecn/g…
整体进度：https://github.com/apachecn/g…
项目仓库：https://github.com/apachecn/g…
认领：13/80，校对：13/80
| 序号 | 章节 | 贡献者 | 进度 |
|---|---|---|---|
| 1 | git | ||
| 2 | git-config | @honglyua | 100% |
| 3 | git-help | @honglyua | 100% |
| 4 | git-init | @honglyua | 100% |
| 5 | git-clone | @honglyua | 100% |
| 6 | git-add | @yulezheng | 100% |
| 7 | git-status | @honglyua | 100% |
| 8 | git-diff | @honglyua | 100% |
| 9 | git-commit | ||
| 10 | git-reset | @honglyua | 100% |
| 11 | git-rm | @honglyua | 100% |
| 12 | git-mv | @honglyua | 100% |
| 13 | git-branch | @honglyua | 100% |
| 14 | git-checkout | ||
| 15 | git-merge | ||
| 16 | git-mergetool | ||
| 17 | git-log | ||
| 18 | git-stash | ||
| 19 | git-tag | ||
| 20 | git-worktree | ||
| 21 | git-fetch | ||
| 22 | git-pull | @Mrhuangyi | 100% |
| 23 | git-push | @Mrhuangyi | 100% |
| 24 | git-remote | ||
| 25 | git-submodule | ||
| 26 | git-show | ||
| 27 | git-log | ||
| 29 | git-shortlog | ||
| 30 | git-describe | ||
| 31 | git-apply | ||
| 32 | git-cherry-pick | ||
| 34 | git-rebase | ||
| 35 | git-revert | ||
| 36 | git-bisect | ||
| 37 | git-blame | ||
| 38 | git-grep | ||
| 39 | gitattributes | ||
| 40 | giteveryday | ||
| 41 | gitglossary | ||
| 42 | githooks | ||
| 43 | gitignore | ||
| 44 | gitmodules | ||
| 45 | gitrevisions | ||
| 46 | gittutorial | ||
| 47 | gitworkflows | ||
| 48 | git-am | ||
| 50 | git-format-patch | ||
| 51 | git-send-email | ||
| 52 | git-request-pull | ||
| 53 | git-svn | ||
| 54 | git-fast-import | ||
| 55 | git-clean | ||
| 56 | git-gc | ||
| 57 | git-fsck | ||
| 58 | git-reflog | ||
| 59 | git-filter-branch | ||
| 60 | git-instaweb | ||
| 61 | git-archive | ||
| 62 | git-bundle | ||
| 63 | git-daemon | ||
| 64 | git-update-server-info | ||
| 65 | git-cat-file | ||
| 66 | git-check-ignore | ||
| 67 | git-checkout-index | ||
| 68 | git-commit-tree | ||
| 69 | git-count-objects | ||
| 70 | git-diff-index | ||
| 71 | git-for-each-ref | ||
| 72 | git-hash-object | ||
| 73 | git-ls-files | ||
| 74 | git-merge-base | ||
| 75 | git-read-tree | ||
| 76 | git-rev-list | ||
| 77 | git-rev-parse | ||
| 78 | git-show-ref | ||
| 79 | git-symbolic-ref | ||
| 80 | git-update-index | ||
| 81 | git-update-ref | ||
| 82 | git-verify-pack | ||
| 83 | git-write-tree |
HBase 3.0 中文参考指南【校对】
参与方式：https://github.com/apachecn/h…
整体进度：https://github.com/apachecn/h…
项目仓库：https://github.com/apachecn/h…
认领：18/31，校对：15/31
| 章节 | 贡献者 | 进度 |
|---|---|---|
| Preface | @xixici | 100% |
| Getting Started | @xixici | 100% |
| Apache HBase Configuration | @xixici | 100% |
| Upgrading | @xixici | 100% |
| The Apache HBase Shell | @xixici | 100% |
| Data Model | @ruibababa | 100% |
| HBase and Schema Design | @RaymondCode | 100% |
| RegionServer Sizing Rules of Thumb | @ruibababa | |
| HBase and MapReduce | @BridgetLai | 100% |
| Securing Apache HBase | ||
| Architecture | ||
| In-memory Compaction | @mychaow | 100% |
| Backup and Restore | @mychaow | 100% |
| Synchronous Replication | @mychaow | 100% |
| Apache HBase APIs | @xixici | 100% |
| Apache HBase External APIs | @xixici | 100% |
| Thrift API and Filter Language | @xixici | 100% |
| HBase and Spark | @TsingJyujing | 100% |
| Apache HBase Coprocessors | ||
| Apache HBase Performance Tuning | ||
| Troubleshooting and Debugging Apache HBase | ||
| Apache HBase Case Studies | @540928898 | |
| Apache HBase Operational Management | ||
| Building and Developing Apache HBase | ||
| Unit Testing HBase Applications | ||
| Protobuf in HBase | ||
| Procedure Framework (Pv2): HBASE-12439 | ||
| AMv2 Description for Devs | ||
| ZooKeeper | @ruibababa | |
| Community | ||
| Appendix |
UCB Prob140：面向数据科学的概率论【翻译】
参与方式：https://github.com/apachecn/p…
整体进度：https://github.com/apachecn/p…
项目仓库：https://github.com/apachecn/p…
认领：23/28，翻译：23/28
| 标题 | 译者 | 翻译进度 |
|---|---|---|
| 一、基础 | 飞龙 | 100% |
| 二、计算几率 | 飞龙 | 100% |
| 三、随机变量 | 飞龙 | 100% |
| 四、事件之间的关系 | @biubiubiuboomboomboom | 100% |
| 五、事件集合 | – | – |
| 5.1 ~5.3 | @PEGASUS1993 | 100% |
| 5.4 | ||
| 六、随机计数 | @viviwong | 100% |
| 七、泊松化 | @YAOYI626 | 100% |
| 八、期望 | – | – |
| 8.1 ~ 8.2 | @PEGASUS1993 | 100% |
| 8.3 | ||
| 九、条件（续） | @YAOYI626 | 100% |
| 十、马尔科夫链 | 喵十八 | 100% |
| 十一、马尔科夫链（续） | 喵十八 | 100% |
| 十二、标准差 | 缺只萨摩 | 100% |
| 十三、方差和协方差 | 缺只萨摩 | 100% |
| 十四、中心极限定理 | 喵十八 | 100% |
| 十五、连续分布 | ||
| 十六、变换 | @hellozhaihy | 100% |
| 十七、联合密度 | @Winchester-Yi | 100% |
| 十八、正态和 Gamma 族 | @Winchester-Yi | 100% |
| 十九、和的分布 | 平淡的天 | 100% |
| 二十、估计方法 | 平淡的天 | 100% |
| 二十一、Beta 和二项 | @lvzhetx | 100% |
| 二十二、预测 | – | – |
| 22.1 | @lvzhetx | 100% |
| 22.2 ~ 22.4 | ||
| 二十三、联合正态随机变量 | ||
| 二十四、简单线性回归 | @ThomasCai | 100% |
| 二十五、多元回归 | @lanhaixuan | 100% |
Machine Learning Mastery【校对】
参与方式：https://github.com/apachecn/m…
整体进度：https://github.com/apachecn/m…
项目仓库：https://github.com/apachecn/m…
认领：24/64，校对：22/64
| 章节 | 贡献者 | 进度 |
|---|---|---|
| 深度学习与 Keras | – | – |
| Keras 中神经网络模型的 5 步生命周期 | @ElmaDavies | 100% |
| 在 Python 迷你课程中应用深度学习 | @ElmaDavies | 100% |
| Keras 深度学习库的二元分类教程 | @ElmaDavies | 100% |
| 如何用 Keras 构建多层感知器神经网络模型 | @Lnssssss | 100% |
| 如何在 Keras 中检查深度学习模型 | @ElmaDavies | 100% |
| 10 个用于 Amazon Web Services 深度学习的命令行秘籍 | @Lnssssss | 100% |
| 机器学习卷积神经网络的速成课程 | @ElmaDavies | 100% |
| 如何在 Python 中使用 Keras 进行深度学习的度量 | @Lnssssss | 100% |
| 深度学习书籍 | @Lnssssss | 100% |
| 深度学习课程 | @ElmaDavies | 100% |
| 你所知道的深度学习是一种谎言 | @Lnssssss | 100% |
| 如何设置 Amazon AWS EC2 GPU 以训练 Keras 深度学习模型（分步） | @ElmaDavies | 100% |
| 神经网络中批量和迭代之间的区别是什么？ | @Lnssssss | 100% |
| 在 Keras 展示深度学习模型训练历史 | @ElmaDavies | 100% |
| 基于 Keras 的深度学习模型中的 dropout 正则化 | @Lnssssss | 100% |
| 评估 Keras 中深度学习模型的性能 | @ElmaDavies | 100% |
| 评估深度学习模型的技巧 | @ElmaDavies | 100% |
| 小批量梯度下降的简要介绍以及如何配置批量大小 | @Lnssssss | |
| 在 Keras 中获得深度学习帮助的 9 种方法 | @ElmaDavies | 100% |
| 如何使用 Keras 在 Python 中网格搜索深度学习模型的超参数 | @ElmaDavies | 100% |
| 用 Keras 在 Python 中使用卷积神经网络进行手写数字识别 | ||
| 如何用 Keras 进行预测 | ||
| 用 Keras 进行深度学习的图像增强 | ||
| 8 个深度学习的鼓舞人心的应用 | ||
| Python 深度学习库 Keras 简介 | ||
| Python 深度学习库 TensorFlow 简介 | ||
| Python 深度学习库 Theano 简介 | ||
| 如何使用 Keras 函数式 API 进行深度学习 | ||
| Keras 深度学习库的多类分类教程 | ||
| 多层感知器神经网络速成课程 | ||
| 基于卷积神经网络的 Keras 深度学习库中的目标识别 | ||
| 流行的深度学习库 | ||
| 用深度学习预测电影评论的情感 | ||
| Python 中的 Keras 深度学习库的回归教程 | ||
| 如何使用 Keras 获得可重现的结果 | ||
| 如何在 Linux 服务器上运行深度学习实验 | ||
| 保存并加载您的 Keras 深度学习模型 | ||
| 用 Keras 逐步开发 Python 中的第一个神经网络 | ||
| 用 Keras 理解 Python 中的有状态 LSTM 循环神经网络 | ||
| 在 Python 中使用 Keras 深度学习模型和 Scikit-Learn | ||
| 如何使用预训练的 VGG 模型对照片中的物体进行分类 | ||
| 在 Python 和 Keras 中对深度学习模型使用学习率调度 | ||
| 如何在 Keras 中可视化深度学习神经网络模型 | ||
| 什么是深度学习？ | ||
| 何时使用 MLP，CNN 和 RNN 神经网络 | ||
| 为什么用随机权重初始化神经网络？ | ||
| XGBoost | – | – |
| 通过在 Python 中使用 XGBoost 提前停止来避免过度拟合 | @tabeworks | 100% |
| 如何在 Python 中调优 XGBoost 的多线程支持 | @tabeworks | 100% |
| 如何配置梯度提升算法 | ||
| 在 Python 中使用 XGBoost 进行梯度提升的数据准备 | ||
| 如何使用 scikit-learn 在 Python 中开发您的第一个 XGBoost 模型 | @tabeworks | |
| 如何在 Python 中使用 XGBoost 评估梯度提升模型 | ||
| 在 Python 中使用 XGBoost 的特征重要性和特征选择 | ||
| 浅谈机器学习的梯度提升算法 | ||
| 应用机器学习的 XGBoost 简介 | @tabeworks | 100% |
| 如何在 macOS 上为 Python 安装 XGBoost | ||
| 如何在 Python 中使用 XGBoost 保存梯度提升模型 | ||
| 从梯度提升开始，比较 165 个数据集上的 13 种算法 | ||
| 在 Python 中使用 XGBoost 和 scikit-learn 进行随机梯度提升 | ||
| 如何使用 Amazon Web Services 在云中训练 XGBoost 模型 | ||
| 在 Python 中使用 XGBoost 调整梯度提升的学习率 | ||
| 如何在 Python 中使用 XGBoost 调整决策树的数量和大小 | ||
| 如何在 Python 中使用 XGBoost 可视化梯度提升决策树 | ||
| 在 Python 中开始使用 XGBoost 的 7 步迷你课程 |
Sklearn 0.21 中文文档【校对】
参与方式：https://github.com/apachecn/s…
整体进度：https://github.com/apachecn/s…
项目仓库：https://github.com/apachecn/s…
认领：25/72，校对：21/72
| 章节 | 校验者 | 进度 |
|---|---|---|
| 安装 scikit-learn | ||
| 用户指南 | – | – |
| 1. 监督学习 | ||
| 1.1. 广义线性模型 | @qinhanmin2014 | 100% |
| 1.2. 线性和二次判别分析 | @VPrincekin | 100% |
| 1.3. 内核岭回归 | @qinhanmin2014 | 100% |
| 1.4. 支持向量机 | @qinhanmin2014 | 100% |
| 1.5. 随机梯度下降 | @qinhanmin2014 | 100% |
| 1.6. 最近邻 | @qinhanmin2014 | 100% |
| 1.7. 高斯过程 | ||
| 1.8. 交叉分解 | @qinhanmin2014 | 100% |
| 1.9. 朴素贝叶斯 | @qinhanmin2014 | 100% |
| 1.10. 决策树 | @ReneeGithub | |
| 1.11. 集成方法 | @qinhanmin2014 | 100% |
| 1.12. 多类和多标签算法 | ||
| 1.13. 特征选择 | ||
| 1.14. 半监督学习 | ||
| 1.15. 等式回归 | ||
| 1.16. 概率校准 | ||
| 1.17. 神经网络模型（有监督） | ||
| 2. 无监督学习 | ||
| 2.1. 高斯混合模型 | @barrycg | 100% |
| 2.2. 流形学习 | @barrycg | 100% |
| 2.3. 聚类 | @barrycg | 100% |
| 2.4. 双聚类 | @barrycg | 100% |
| 2.5. 分解成分中的信号（矩阵分解问题） | @barrycg | 100% |
| 2.6. 协方差估计 | @barrycg | 100% |
| 2.7. 新奇和异常值检测 | @barrycg | 100% |
| 2.8. 密度估计 | @barrycg | 100% |
| 2.9. 神经网络模型（无监督） | @barrycg | 100% |
| 3. 模型选择和评估 | ||
| 3.1. 交叉验证：评估估算器的表现 | ||
| 3.2. 调整估计器的超参数 | ||
| 3.3. 模型评估: 量化预测的质量 | ||
| 3.4. 模型持久化 | ||
| 3.5. 验证曲线: 绘制分数以评估模型 | ||
| 4. 检验 | ||
| 4.1. 部分依赖图 | ||
| 5. 数据集转换 | @VPrincekin | 100% |
| 5.1. Pipeline（管道）和 FeatureUnion（特征联合）: 合并的评估器 | @VPrincekin | 100% |
| 5.2. 特征提取 | @VPrincekin | 100% |
| 5.3 预处理数据 | @VPrincekin | |
| 5.4 缺失值插补 | @VPrincekin | |
| 5.5. 无监督降维 | @VPrincekin | |
| 5.6. 随机投影 | ||
| 5.7. 内核近似 | ||
| 5.8. 成对的矩阵, 类别和核函数 | ||
5.9. 预测目标 (y) 的转换 | ||
| 6. 数据集加载工具 | ||
| 6.1. 通用数据集 API | ||
| 6.2. 玩具数据集 | ||
| 6.3 真实世界中的数据集 | ||
| 6.4. 样本生成器 | ||
| 6.5. 加载其他数据集 | ||
| 7. 使用 scikit-learn 计算 | ||
| 7.1. 大规模计算的策略: 更大量的数据 | ||
| 7.2. 计算性能 | ||
| 7.3. 并行性、资源管理和配置 | ||
| 教程 | ||
| 使用 scikit-learn 介绍机器学习 | ||
| 关于科学数据处理的统计学习教程 | ||
| 机器学习: scikit-learn 中的设置以及预估对象 | ||
| 监督学习：从高维观察预测输出变量 | ||
| 模型选择：选择估计量及其参数 | ||
| 无监督学习: 寻求数据表示 | ||
| 把它们放在一起 | ||
| 寻求帮助 | ||
| 处理文本数据 | ||
| 选择正确的评估器(estimator.md) | ||
| 外部资源，视频和谈话 | ||
| API 参考 | ||
| 常见问题 | ||
| 时光轴 |
UCB CS61b：Java 中的数据结构【翻译】
参与方式：https://github.com/apachecn/c…
整体进度：https://github.com/apachecn/c…
项目仓库：https://github.com/apachecn/c…
认领：11/12，翻译：11/12
| 标题 | 译者 | 进度 |
|---|---|---|
| 一、算法复杂度 | @leader402 | 100% |
| 二、抽象数据类型 | @Allenyep | 100% |
| 三、满足规范 | @renyuhuiharrison | 100% |
| 四、序列和它们的实现 | @biubiubiuboomboomboom | 100% |
| 五、树 | @biubiubiuboomboomboom | 100% |
| 六、搜索树 | @yongfengyan | 100% |
| 七、哈希 | @Abel-Huang | 100% |
| 八、排序和选择 | @Rachel-Hu | 100% |
| 九、平衡搜索 | @Abel-Huang | 100% |
| 十、并发和同步 | @Ruffianjiang | 100% |
| 十一、伪随机序列 | ||
| 十二、图 | @yuanrw | 100% |
PyTorch 1.2 中文文档【校对】
参与方式：https://github.com/apachecn/p…
整体进度：https://github.com/apachecn/p…
项目仓库：https://github.com/apachecn/p…
认领：19/77，翻译：13/77
| 章节 | 校验者 | 进度 |
|---|---|---|
| 中文教程 | – | – |
| 入门 | – | – |
| PyTorch 深度学习: 60 分钟极速入门 | ||
| 数据加载和处理教程 | @yangkae | 100% |
| 用例子学习 PyTorch | @yangkae | |
| 迁移学习教程 | @DrDavidS | 100% |
| 部署与 TorchScript 一个 Seq2Seq 模型 | ||
| 可视化模型，数据，和与训练 TensorBoard | ||
| 保存和加载模型 | ||
| torch.nn 到底是什么？ | @DrDavidS | |
| 图片 | – | – |
| TorchVision 对象检测微调教程 | @jiangzhonglian | 100% |
| 微调 TorchVision 模型 | @jiangzhonglian | 100% |
| 空间变压器网络教程 | @jiangzhonglian | 100% |
| 使用 PyTorch 进行神经网络传递 | @jiangzhonglian | 100% |
| 对抗性示例生成 | @jiangzhonglian | 100% |
| DCGAN 教程 | @jiangzhonglian | 100% |
| 音频 | – | – |
| torchaudio 教程 | @jiangzhonglian | 100% |
| 文本 | – | – |
| NLP From Scratch：使用 char-RNN 对姓氏进行分类 | @HelWireless | 100% |
| NLP 从头：生成名称与字符级 RNN | @HelWireless | |
| NLP 从无到有：用序列到序列网络和翻译注意 | @DrDavidS | |
| 文本分类与 TorchText | @PengboLiu | 100% |
| 语言翻译与 TorchText | @PengboLiu | 100% |
| 序列到序列与 nn.Transformer 和 TorchText 建模 | @dabney777 | |
| 强化学习（DQN）教程 | @wutongzhang | |
| 在生产部署 PyTorch 模型 | – | – |
| 1. 部署 PyTorch 在 Python 经由 REST API 从 Flask | ||
| 2. 介绍 TorchScript | ||
| 3. 装载 ++ 一个 TorchScript 模型在 C | ||
| 4.（可选）从导出到 PyTorch 一个 ONNX 模型并使用 ONNX 运行时运行它 | ||
| 并行和分布式训练 | – | – |
| 1. 型号并行最佳实践 | ||
| 2. 入门分布式数据并行 | ||
| 3. PyTorch 编写分布式应用 | ||
| 4.（高级）PyTorch 1.0 分布式训练与 Amazon AWS | – | – |
| 扩展 PyTorch | – | – |
| 使用自定义 C++ 扩展算 TorchScript | ||
| 创建扩展使用 numpy 的和 SciPy 的 | ||
| 自定义 C++ 和 CUDA 扩展 | ||
| PyTorch 在其他语言 | – | – |
| 使用 PyTorch C++ 前端 | ||
| 中文文档 | – | – |
| 注解 | – | – |
| 自动求导机制 | @PengboLiu | 100% |
| 广播语义 | ||
| CPU 线程和 TorchScript 推理 | ||
| CUDA 语义 | ||
| 扩展 PyTorch | ||
| 常见问题 | ||
| 对于大规模部署的特点 | ||
| 多处理最佳实践 | ||
| 重复性 | ||
| 序列化语义 | ||
| Windows 常见问题 | ||
| 社区 | – | – |
| PyTorch 贡献说明书 | ||
| PyTorch 治理 | ||
| PyTorch 治理兴趣人 | ||
| 封装参考文献 | – | – |
| torch | ||
| torch.Tensor | ||
| Tensor Attributes | ||
| Type Info | ||
| torch.sparse | ||
| torch.cuda | ||
| torch.Storage | ||
| torch.nn | ||
| torch.nn.functional | ||
| torch.nn.init | ||
| torch.optim | ||
| torch.autograd | ||
| torch.distributed | ||
| torch.distributions | ||
| torch.hub | ||
| torch.jit | ||
| torch.multiprocessing | ||
| torch.random | ||
| torch.utils.bottleneck | ||
| torch.utils.checkpoint | ||
| torch.utils.cpp_extension | ||
| torch.utils.data | ||
| torch.utils.dlpack | ||
| torch.utils.model_zoo | ||
| torch.utils.tensorboard | ||
| torch.onnx | ||
| torch.__ config__ | ||
| torchvision 参考文献 | – | – |
| torchvision | ||
| torchaudio Reference | – | – |
| torchaudio | ||
| torchtext Reference | – | – |
| torchtext |
笔记整理活动
CS224n 自然语言处理
参与方式：https://github.com/apachecn/s…
整体进度：https://github.com/apachecn/s…
项目仓库：https://github.com/apachecn/s…
认领：9/20，整理：8/20
| 章节 | 贡献者 | 进度 |
|---|---|---|
| Lecture 1 | @cx123cx456 | 100% |
| Lecture 2 | @AllenZYJ | |
| Lecture 3 | @cx123cx456 | 100% |
| Lecture 4 | @ZSIRS | 100% |
| Lecture 5 | @ZSIRS | 100% |
| Lecture 6 | @ZSIRS | 100% |
| Lecture 7 | ||
| Lecture 8 | ||
| Lecture 9 | ||
| Lecture 10 | ||
| Lecture 11 | @Originval | 100% |
| Lecture 12 | ||
| Lecture 13 | ||
| Lecture 14 | ||
| Lecture 15 | ||
| Lecture 16 | ||
| Lecture 17 | @pingjing233 | 100% |
| Lecture 18 | ||
| Lecture 19 | ||
| Lecture 20 | @Willianan | 100% |
斯坦福博弈论
参与方式：https://github.com/apachecn/s…
整体进度：https://github.com/apachecn/s…
项目仓库：https://github.com/apachecn/s…
认领：2/59，整理：0/59
| 章节 | 贡献者 | 进度 |
|---|---|---|
| Game Theory I Week 1 Game Theory Intro – TCP Backoff | @whoKnowsss | |
| Game Theory I Week 1 Self-Interested Agents and Utility Theory | ||
| Game Theory I Week 1 Defining Games | ||
| Game Theory I Week 1 Examples of Games | ||
| Game Theory I Week 1 Nash Equilibrium Intro | ||
| Game Theory I Week 1 Strategic Reasoning | ||
| Game Theory I Week 1 Best Response and Nash Equilibrium | ||
| Game Theory I Week 1 Nash Equilibrium of Example Games | ||
| Game Theory I Week 1 Dominant Strategies | ||
| Game Theory I Week 1 Pareto Optimality | ||
| Game Theory I Week 2 Mixed Strategies and Nash Equilibrium (I) | ||
| Game Theory I Week 2 Mixed Strategies and Nash Equilibrium (II) | ||
| Game Theory I Week 2 Computing Mixed Nash Equilibrium | ||
| Game Theory I Week 2 Hardness Beyond 2×2 Games – Basic | ||
| Game Theory I Week 2 Hardness Beyond 2×2 Games – Advanced | ||
| Game Theory I Week 2 Example: Mixed Strategy Nash | ||
| Game Theory I Week 2 Data: Professional Sports and Mixed Strategies | ||
| Game Theory I Week 3 Beyond the Nash Equilibrium | ||
| Game Theory I Week 3 Strictly Dominated Strategies & Iterative Removal | ||
| Game Theory I Week 3 Dominated Strategies & Iterative Removal: An Application | ||
| Game Theory I Week 3 Maxmin Strategies | ||
| Game Theory I Week 3 Maxmin Strategies – Advanced | ||
| Game Theory I Week 3 Correlated Equilibrium: Intuition | ||
| Game Theory I Week 4 Perfect Information Extensive Form: Taste | ||
| Game Theory I Week 4 Formalizing Perfect Information Extensive Form Games | ||
| Game Theory I Week 4 Perfect Information Extensive Form: Strategies, BR, NE | ||
| Game Theory I Week 4 Subgame Perfection | ||
| Game Theory I Week 4 Backward Induction | ||
| Game Theory I Week 4 Subgame Perfect Application: Ultimatum Bargaining | ||
| Game Theory I Week 4 Imperfect Information Extensive Form: Poker | ||
| Game Theory I Week 4 Imperfect Information Extensive Form: Definition, Strategies | ||
| Game Theory I Week 4 Mixed and Behavioral Strategies | ||
| Game Theory I Week 4 Incomplete Information in the Extensive Form: Beyond Subgame Perfection | ||
| Game Theory II week 1 Social Choice: Taste | @whoKnowsss | |
| Game Theory II week 1 Social Choice: Voting Schemes | ||
| Game Theory II week 1 Social Choice: Paradoxical Outcomes | ||
| Game Theory II week 1 Social Choice: Impossibility of Non-Paradoxical Social Welfare Functions | ||
| Game Theory II week 1 Social Choice: Arrow’s Theorem | ||
| Game Theory II week 1 Impossible of Non-paradoxical Social Choice Functions | ||
| Game Theory II week 1 Single-Peaked Preferences | ||
| Game Theory II week 2 Mechanism Design: Taste | ||
| Game Theory II week 2 Mechanism Design: Implementation | ||
| Game Theory II week 2 Revelation Principle | ||
| Game Theory II week 2 Impossibility of General, Dominant-Strategy Implementation | ||
| Game Theory II week 2 Transferable Utility | ||
| Game Theory II week 2 Mechanism Design as an Optimization Problem | ||
| Game Theory II week 3 VCG: Taste | ||
| Game Theory II week 3 Vickrey-Clarke-Groves Mechanisms: Definitions | ||
| Game Theory II week 3 VCG Example | ||
| Game Theory II week 3 Limitations of VCG | ||
| Game Theory II week 3 Individual Rationality and Budget Balance in VCG | ||
| Game Theory II week 3 Myerson-Satterthwaite Theorem | ||
| Game Theory II week 4 Auctions: Taste | ||
| Game Theory II week 4 Auctions: Taxonomy | ||
| Game Theory II week 4 Bidding in Second-Price Auctions | ||
| Game Theory II week 4 Bidding in First-Price Auctions | ||
| Game Theory II week 4 Revenue Equivalence | ||
| Game Theory II week 4 Optimal Auctions | ||
| Game Theory II week 4 More Advanced Auctions |
关于我们
我们是一个大型开源社区，旗下 QQ 群共一万余人，订阅用户至少一万人。Github Star 数量超过 40k 个，在所有 Github 组织中排名前 150。网站日 uip 超过 4k，Alexa 排名的峰值为 20k。我们的核心成员拥有 CSDN 博客专家和简书程序员优秀作者认证。我们与 Datawhale、AI 有道、黄海广博士等国内知名开源组织和大 V 合作，组织公益性的翻译活动、学习活动和比赛组队活动。
与商业组织不同，我们并不会追逐热点，或者唯利是图。作为公益组织，我们将完成项目放在首要位置，并有足够时间把项目打磨到极致。我们希望做出广大 AI 爱好者真正需要的东西，打造真正有价值的长尾作品。
除了以上组织或个人，我们还要感谢苍海国际、黑客派、GirlsInAI、DataSciComp、SeanCheney、AI 科技大本营、Python 爱好者社区的创意和支持。
- 【导航】docs.apachecn.org
- 【归档】home.apachecn.org
- 【社区】ibooker.org.cn/forums
- 【Github】@ApacheCN
- 【邮件订阅】notice.ibooker.org.cn
- 【知识星球】ApacheCN
自媒体平台
- 微博：@ApacheCN
- 知乎专栏：AILearning
- 公众号：ApacheCN
- CSDN | 博客园 | OSChina | SF | 掘金
- 简书 | 搜狐号 | 头条号 | bilibili
- We are ApacheCN Open Source Organization, not ASF! We are fans of AI, and have no relationship with ASF!
- 合作 or 侵权，请联系 <apachecn@163.com> | 请抄送一份到 <wizard.z@foxmail.com>
赞助我们
正文完
